Windows 11部署FunASR离线语音识别系统

Windows 11部署FunASR离线语音识别系统

官网连接

powershell 复制代码
https://github.com/alibaba-damo-academy/FunASR/blob/main/runtime/docs/SDK_advanced_guide_online_zh.md

1-安装Docker

运行Docker Desktop Installer.exe安装Docker

2-Windows添加删除程序增加虚拟机和Linux子系统功能

Hyper-V(Windows 11可能不显示,通过命令systeminfo显示:Hyper-V 要求: 已检测到虚拟机监控程序。将不显示 Hyper-V 所需的功能。说明系统支持Hyper-V的)

适用于Linux的Windows子系统

虚拟机平台

Windows虚拟机监控程序平台

错误处理:

Windows 11运行Docker提示"Docker Engine stopped"错误

a-在系统服务中启动Docker Desktop Service(com.docker.service)

b-在系统服务中启动Hyper-V 主机计算服务(vmcompute)

3-升级Linux子系统(可选)

wsl --update

4-部署Docker

powershell 复制代码
docker pull registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-online-cpu-0.1.9
mkdir d://FunASR//model

5-启动Docker

powershell 复制代码
docker run -p 10095:10095 -it --privileged=true -v d:/FunASR/model:/workspace/models registry.cn-hangzhou.aliyuncs.com/funasr_repo/funasr:funasr-runtime-sdk-online-cpu-0.1.9

6-启动FunASR

powershell 复制代码
cd FunASR/runtime
nohup bash run_server_2pass.sh --certfile 0  --download-model-dir /workspace/models --vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx --model-dir damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx  --online-model-dir damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online-onnx  --punc-dir damo/punc_ct-transformer_zh-cn-common-vad_realtime-vocab272727-onnx --itn-dir thuduj12/fst_itn_zh > log.txt 2>&1 &

7-关闭FunASR

powershell 复制代码
ps -x | grep funasr-wss-server-2pass
kill -9 PID

8-打开新的控制台查看执行日志

powershell 复制代码
docker exec -it PID /bin/sh
tail -f nohup.out

9-批处理自动执行

powershell 复制代码
@echo off
REM 设置CONTAINER_NAME变量为容器的PID
set CONTAINER_NAME=3991fdb6c269

chcp 65001

REM 等待 30 秒让容器完全启动
timeout /t 30

docker start %CONTAINER_NAME%

REM 进入 Docker 容器
docker exec -it %CONTAINER_NAME% bash -c "cd FunASR/runtime && nohup bash run_server_2pass.sh --certfile 0 --download-model-dir /workspace/models --vad-dir damo/speech_fsmn_vad_zh-cn-16k-common-onnx --model-dir damo/speech_paraformer-large-vad-punc_asr_nat-zh-cn-16k-common-vocab8404-onnx --online-model-dir damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online-onnx --punc-dir damo/punc_ct-transformer_zh-cn-common-vad_realtime-vocab272727-onnx --itn-dir thuduj12/fst_itn_zh > log.txt 2>&1 &"

REM 实时查看日志
docker exec -it %CONTAINER_NAME% bash -c "tail -f FunASR/runtime/nohup.out"

:: 暂停,等待用户按下任意键
pause

10-C#客户端

运行容器时命令含参数包含了-certfile 0,意思为关闭SSL,客户端通过ws://127.0.0.1:10095连接系统(默认为wss://,安全WebSocket协议)

流程:

客户端 ----------发起WebSocket连接---------->服务器

客户端----------发送JSON握手协议---------->服务器

客户端----------发送PCM二进制数据帧---------->服务器

客户端<----------返回JSON数据----------服务器

...

握手协议:

javascript 复制代码
{"chunk_size":[5,10,5],"wav_name":"h5","is_speaking":true,"chunk_interval":10,"itn":false,"mode":"2pass","hotwords":"{\"阿里巴巴\":20,\"hello world\":40}"}

返回JSON数据有两种

实时返回数据

javascript 复制代码
{"is_final":false,"mode":"2pass-online","text":"小明","wav_name":"h5"}

返回断句数据

javascript 复制代码
{"is_final":false,"mode":"2pass-offline","stamp_sents":[{"end":39950,"punc":"。","start":39670,"text_seg":"小 明","ts_list":[[39670,39850],[39850,39950]]},{"end":40465,"punc":"","start":39950,"text_seg":"小 明","ts_list":[[39950,40050],[40050,40465]]}],"text":"小明。小明","timestamp":"[[39670,39850],[39850,39950],[39950,40050],[40050,40465]]","wav_name":"h5"}

不同点在于mode是online还是offline。

主要代码

csharp 复制代码
  /*
   * 与FunASR建立WebSocket连接
   * */
  public async Task StartWebSocketSync()
  {
    // 全局忽略证书验证错误
    ServicePointManager.ServerCertificateValidationCallback += (sender, cert, chain, sslPolicyErrors) => true;

    string wssUrl = "ws://127.0.0.1:10095";
    webSocket = new ClientWebSocket();
   
    try
    {
      await webSocket.ConnectAsync(new Uri(wssUrl), CancellationToken.None);
      await SendInitialMessage(webSocket);
      Console.WriteLine("WEBSOCKET已连接...");
      bWebSocketReady = true;
      await Task.WhenAll(ReceiveMessagesSync(webSocket), SendAudioSync(webSocket));
    }
    catch (Exception ex)
    {
      Console.WriteLine($"WEBSOCKET连接错误: {ex.Message}");
    }
  }
  /*
   * 发送握手数据
   * */
  private async Task SendInitialMessage(ClientWebSocket webSocket)
  {
    var request = new
    {
      chunk_size = new int[] { 5, 10, 5 },
      wav_name = "h5",
      is_speaking = true,
      chunk_interval = 10,
      itn = false,
      mode = "2pass"
    };
    string jsonRequest = JsonConvert.SerializeObject(request);
    byte[] bytes = Encoding.UTF8.GetBytes(jsonRequest);
    await webSocket.SendAsync(new ArraySegment<byte>(bytes), WebSocketMessageType.Text, true, CancellationToken.None);
  }
  /*
   * 接收数据并处理
   * */
  private async Task ReceiveMessagesSync(ClientWebSocket ws)
  {
    var buffer = new byte[1024 * 100];
    while (ws.State == WebSocketState.Open)
    {
      var result = await ws.ReceiveAsync(new ArraySegment<byte>(buffer), CancellationToken.None);
      if (result.MessageType == WebSocketMessageType.Close)
      {
        await ws.CloseAsync(WebSocketCloseStatus.NormalClosure, string.Empty, CancellationToken.None);
        Console.WriteLine("WEBSOCKET已关闭。");
      }
      else
      {
        string message = Encoding.UTF8.GetString(buffer, 0, result.Count);
        if (!string.IsNullOrEmpty(message))
        {
          // HandleMessage(message); // 收到为包含识别文本的JSON数据
        }
      }
    }
  }
  /*
   * 开始监听
   * */
    private async Task StartListeningAsync(CancellationToken cancellationToken)
  {
    var waveIn = new WaveInEvent
    {
      WaveFormat = new WaveFormat(16000, 1) // 使用16kHz单声道
    };

    waveIn.DataAvailable += (s, e) =>
    {
      lock (this)
      {
        // 读取数据
        byte[] bytes = new byte[e.BytesRecorded];
        for (var i = 0; i < e.BytesRecorded; i++)
        {
          bytes[i] = e.Buffer[i];
        }

        // 缓存数据
        _waveBuffer.Add(bytes);
      }
    };

    waveIn.StartRecording();
    Console.WriteLine("开始监听麦克风...");

    while (!cancellationToken.IsCancellationRequested)
    {
      await StartWebSocketSync();
      await Task.Delay(100, cancellationToken); // 适当的延迟
    }

    waveIn.StopRecording();
    Console.WriteLine("停止监听麦克风。");
  }
相关推荐
成富1 小时前
文本转SQL(Text-to-SQL),场景介绍与 Spring AI 实现
数据库·人工智能·sql·spring·oracle
CSDN云计算1 小时前
如何以开源加速AI企业落地,红帽带来新解法
人工智能·开源·openshift·红帽·instructlab
艾派森1 小时前
大数据分析案例-基于随机森林算法的智能手机价格预测模型
人工智能·python·随机森林·机器学习·数据挖掘
hairenjing11231 小时前
在 Android 手机上从SD 卡恢复数据的 6 个有效应用程序
android·人工智能·windows·macos·智能手机
小蜗子1 小时前
Multi‐modal knowledge graph inference via media convergenceand logic rule
人工智能·知识图谱
SpikeKing2 小时前
LLM - 使用 LLaMA-Factory 微调大模型 环境配置与训练推理 教程 (1)
人工智能·llm·大语言模型·llama·环境配置·llamafactory·训练框架
黄焖鸡能干四碗2 小时前
信息化运维方案,实施方案,开发方案,信息中心安全运维资料(软件资料word)
大数据·人工智能·软件需求·设计规范·规格说明书
2 小时前
开源竞争-数据驱动成长-11/05-大专生的思考
人工智能·笔记·学习·算法·机器学习
ctrey_2 小时前
2024-11-4 学习人工智能的Day21 openCV(3)
人工智能·opencv·学习
攻城狮_Dream2 小时前
“探索未来医疗:生成式人工智能在医疗领域的革命性应用“
人工智能·设计·医疗·毕业